一种基于多智能体的居住用地增长模拟方法和系统技术方案

本发明专利技术公开了一种基于多智能体的居住用地增长模拟方法和系统，包括：将待模拟区域内的用地状况输入至政府智能体中进行空间划分，得到所述待模拟区域中的各用地；基于神经网络的强化学习模型，对居民从所述各用地中选择居住用地进行迭代模拟，迭代次数为预设的模拟年限，迭代完成后输出当前的模拟结果；通过具有强化学习机制的多智能体模拟居住用地的增长，实现多智能体的类别划分和建模，实现智能体选址决策行为的自适应发展，减少了土地的破碎化开发，提高了模拟方法的真实度

【技术实现步骤摘要】
一种基于多智能体的居住用地增长模拟方法和系统


[0001]本专利技术涉及土地利用模拟领域，尤其涉及一种基于多智能体的居住用地增长模拟方法和系统
。

技术介绍

[0002]目前我国城市规划速度难以企及城市土地大规模增长速度，城市增长带来了产业发展和人口聚集，但是一些城市存在着城市住宅用地的增长和人口的空间聚集不吻合的现象，即人口城镇化和土地城镇化在空间分布上不一致，而这种不一致现象会造成城市土地管理的混乱和城市土地资源的浪费
。
[0003]城市土地利用模拟的方法通过明确人类行为并结合环境动态来解决不同领域的相互做，能够理解和预测未来城市土地利用变化趋势
。
智能体由于能够根据环境状态和获得奖励来执行动作，可以通过个体和环境的相互作用机制进行模拟整个系统的演变，因此可被应用于土地利用变化的模拟中
。
[0004]现有技术中使用多智能体进行土地利用模拟，结合经济因素和区位因素对多智能体的决策行为进行分析，并构建多智能体的行为准则，从而在时间和空间上合理规划城市土地资源
。
[0005]然而，使用多智能体进行土地利用模拟的现有技术仍存在缺陷
。
首先，对人类和自然的耦合过程中的相互作用机制的学习不足，忽视或过度简化人类智能体行为；人类和自然的耦合过程复杂，传统方法难以准确表达
。
其次，分析各用地对不同智能体的吸引力时，基于专家经验模型会由于人为偏见导致结果不准确，基于逻辑回归模型则无法表达个体与城市扩张驱动因素之间复杂的非线性关系
。
最后，土地利用开发的模拟中，由于开发商智能体缺乏约束条件，居民智能体采用离散选择方法，因此存在孤立用地，造成土地的破碎化开发
。

技术实现思路

[0006]本专利技术实施例提供了一种基于多智能体的居住用地增长模拟方法和系统，使得智能体选择决策行为与现实情况的拟合度更高，减少了土地的破碎化开发，提高了模拟方法的真实度
。
[0007]为了解决上述技术问题，本专利技术提供了一种基于多智能体的居住用地增长模拟方法，包括：
[0008]将待模拟区域内的用地状况输入至政府智能体中进行空间划分，得到所述待模拟区域中的各用地；
[0009]基于神经网络的强化学习模型，对居民从所述各用地中选择居住用地进行迭代模拟，迭代次数为预设的模拟年限，迭代完成后输出当前的模拟结果；其中，每次迭代时，根据人口的收入等级，更新各用地对于不同收入等级人口的吸引力，并将人口收入等级和当前迭代的吸引力输入至居民智能体中进行初次选择，更新当前迭代的一次模拟结果，继而根
据当前各用地的人口选择数量条件和用地周边区域条件，将更新后的一次模拟结果输入至开发商智能体中进行重新分配，输出当前迭代的二次模拟结果
。
[0010]本专利技术实施例通过具有强化学习机制的多智能体模拟居住用地增长，政府智能体用于模拟用地类别划分，居民智能体用于模拟人口选择，开放商智能体用于模拟开发成本调控，通过深度强化学习模拟居住用地增长的自适应发展过程，从而实现了多智能体的类别划分和智能体选址决策行为的学习优化，增强了智能体决策行为的合理性，降低了用地选择的破碎度，提高了模拟结果的真实度
。
[0011]进一步的，所述将待模拟区域内的用地状况输入至政府智能体中进行空间划分，得到所述待模拟区域中的各用地，具体为：
[0012]将待模拟区域内的用地状况输入至政府智能体中，并将该待模拟区域划分为现有居住用地
、
可转换为居住用地的第一待开发用地和不可转换为居住用地的第二待开发用地
。
[0013]本专利技术实施例中，待开发用地的类别划分是模拟政府对土地的规划，能够根据实际用地状况进行用地的分类划分，从而使得用地规划更加具备科学性和可行性
。
[0014]进一步的，所述根据人口的收入等级，更新各用地对于不同收入等级人口的吸引力，具体为：
[0015]获取各用地内人口的收入属性，根据人口收入属性将人口划分为三个收入等级人口；
[0016]结合迭代次数以及各影响因素的预设权重值和偏好系数，更新各用地对于不同收入等级人口的吸引力
。
[0017]本专利技术实施例中，划分不同人口收入等级并计算各用地对于不同收入等级人口的吸引力，解决了多智能体划分的问题，并考虑到实际中人口选择居住用地时的经济条件限制，增加了模拟的真实性
。
[0018]进一步的，所述将人口收入等级和当前迭代的吸引力输入至居民智能体中进行初次选择，更新当前迭代的一次模拟结果，具体为：
[0019]对于现有居住用地，根据居住人口数量计算新增的可容纳人口数量
,
[0020]R
max
＝
R
now
*k
[0021]式中，
R
max
为现有居住用地新增的可容纳人口数量，
R
now
为现有居住用地的居住人口数量，
k
为空置率；
[0022]对于第一待开发用地，采用
K
近邻算法搜索欧式距离最近的
n
个现有居住用地，以
n
个现有居住用地的居住人口数量平均值作为可容纳人口数量
,
[0023][0024]式中，
R
max
为第一待开发用地的可容纳人口数量，为
n
个现有居住用地的居住人口数量；
[0025]删除第二待开发用地；
[0026]输入居住用地和第一待开发用地的可容纳人口数量和对三个收入等级人口的当前迭代吸引力至居民智能体中，采用离散选择方式进行居民的初次选择，输出居民从各用
地中选择居住用地的一次模拟结果
。
[0027]本专利技术实施例综合考虑了人口因素和区位因素，解决了以往单一地根据用地类型和用地使用状况来分析影响因素的问题
。
[0028]进一步的，所述采用离散选择方式进行居民的初次选择，输出居民从各用地中选择居住用地的一次模拟结果，具体为：
[0029]对各用地设置人口选择数量小于可容纳人口数量的限制条件，对三个收入等级人口分别设置不同的视域，不同等级人口在其相应视域内选择效用函数值最高的用地，输出初次模拟结果；
[0030]所述效用函数即各用地吸引力
。
[0031]本专利技术实施例通过离散选择进行居民智能体的选择决策，以此模拟现实中居民的随机性选择行为，使得模拟结果真实度更高
。
并对不同类别用地设置不同的可容纳人口数量约束条件，用以限制用地选择人口数量，可使居住用地的人口密度规划协调，避免了用地的破碎化开发问题
。
[0032]进一步的，所述根据当前各用地的人口选择数量条件和用地周边区域条件，将更新后的一次模拟结果输入至开发商智能体中进行重新分配，输出当前迭代的二次模拟结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多智能体的居住用地增长模拟方法，其特征在于，包括：将待模拟区域内的用地状况输入至政府智能体中进行空间划分，得到所述待模拟区域中的各用地；基于神经网络的强化学习模型，对居民从所述各用地中选择居住用地进行迭代模拟，迭代次数为预设的模拟年限，迭代完成后输出当前的模拟结果；其中，每次迭代时，根据人口的收入等级，更新各用地对于不同收入等级人口的吸引力，并将人口收入等级和当前迭代的吸引力输入至居民智能体中进行初次选择，更新当前迭代的一次模拟结果，继而根据当前各用地的人口选择数量条件和用地周边区域条件，将更新后的一次模拟结果输入至开发商智能体中进行重新分配，输出当前迭代的二次模拟结果
。2.
如权利要求1所述的一种基于多智能体的居住用地增长模拟方法，其特征在于，所述将待模拟区域内的用地状况输入至政府智能体中进行空间划分，得到所述待模拟区域中的各用地，具体为：将待模拟区域内的用地状况输入至政府智能体中，并将该待模拟区域划分为现有居住用地
、
可转换为居住用地的第一待开发用地和不可转换为居住用地的第二待开发用地
。3.
如权利要求1所述的一种基于多智能体的居住用地增长模拟方法，其特征在于，所述根据人口的收入等级，更新各用地对于不同收入等级人口的吸引力，具体为：获取各用地内人口的收入属性，根据人口收入属性将人口划分为三个收入等级人口；结合迭代次数以及各影响因素的预设权重值和偏好系数，更新各用地对于不同收入等级人口的吸引力
。4.
如权利要求1所述的一种基于多智能体的居住用地增长模拟方法，其特征在于，所述将人口收入等级和当前迭代的吸引力输入至居民智能体中进行初次选择，更新当前迭代的一次模拟结果，具体为：对于现有居住用地，根据居住人口数量计算新增的可容纳人口数量
,R
max
＝
R
now
*k
式中，
R
max
为现有居住用地新增的可容纳人口数量，
R
now
为现有居住用地的居住人口数量，
k
为空置率；对于第一待开发用地，采用
K
近邻算法搜索欧式距离最近的
n
个现有居住用地，以
n
个现有居住用地的居住人口数量平均值作为可容纳人口数量
,
式中，
R
max
为第一待开发用地的可容纳人口数量，为
n
个现有居住用地的居住人口数量；删除第二待开发用地；输入居住用地和第一待开发用地的可容纳人口数量和对三个收入等级人口的当前迭代吸引力至居民智能体中，采用离散选择方式进行居民的初次选择，输出居民从各用地中选择居住用地的一次模拟结果
。5.
如权利要求4所述的一种基于多智能体的居住用地增长模拟方法，其特征在于，所述
采用离散选择方式进行居民的初次选择，输出居民从各用地中选择居住用地的一次模拟结果，具体为：对各用地设置人口选择数量小于可容纳人口数量的限制条件，对三个收入等级人口分别设置不同的视域，不同等级人口在其相应视域内选择效用函数值最高的用地，输出初次模拟结果；所述效用函数即各用地吸引力
。6.
如权利要求1所述的一种基于多智能体的居住用地增长模拟方法，其特征在于，所述根据当前各用地的人口选择数量条件和用地周边区域条件，将更新后的一次模拟结果输入至开发商智能体中进行重新分配，输出当前迭代的二次模拟结果，具体为：将当前迭代的一次模拟结果输入至开发商智能体中，根据预设的人口选择数量条件和周边区域条件进行重新分配；筛选出居民...

【专利技术属性】
技术研发人员：高金顶，刘耿，刘小平，
申请(专利权)人：中山大学，
类型：发明
国别省市：